公开(公告)号：CN113157816A

公开(公告)日：2021-07-23

申请号：CN202110258151.7

申请日：2021-03-09

Applicant: 大连海事大学

Inventor： 左毅 ,  赵力澄 ,  孙卓 ,  矢田胜俊

IPC: G06F16/28 ,  G06F16/2457

Abstract: 本发明提供一种基于网格密度的消费者分类标签融合过滤方法，该方法主要包括三个处理阶段，具体包括：对消费者数据样本进预处理，构建样本集；消费者每个特征维度的划分和网格构建处理；网格中分类标签的融合及过滤处理；最后，利用机器学习方法，应用融合过滤后的数据集进行消费者分类。本发明针对消费者分类中的标签重叠和数据偏斜问题提出了一个行之有效的解决方法，使原样本集在标签重构处理后进行的消费者分类中可以获得更高的分类精度。

公开(公告)号：CN113157816B

公开(公告)日：2023-05-16

申请号：CN202110258151.7

申请日：2021-03-09

Applicant: 大连海事大学

Inventor： 左毅 ,  赵力澄 ,  孙卓 ,  矢田胜俊

IPC: G06F16/28 ,  G06F16/2457

Abstract: 本发明提供一种基于网格密度的消费者分类标签融合过滤方法，该方法主要包括三个处理阶段，具体包括：对消费者数据样本进预处理，构建样本集；消费者每个特征维度的划分和网格构建处理；网格中分类标签的融合及过滤处理；最后，利用机器学习方法，应用融合过滤后的数据集进行消费者分类。本发明针对消费者分类中的标签重叠和数据偏斜问题提出了一个行之有效的解决方法，使原样本集在标签重构处理后进行的消费者分类中可以获得更高的分类精度。

公开(公告)号：CN117874647A

公开(公告)日：2024-04-12

申请号：CN202410236893.3

申请日：2024-03-01

Applicant: 大连海事大学

Inventor： 左毅 ,  赵力澄 ,  矢田胜俊

IPC: G06F18/2415 ,  G06F18/25 ,  G06F40/30 ,  G06F40/242 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/084

Abstract: 本发明公开了基于词嵌入语义表征学习的室内轨迹识别分类方法，将室内轨迹转换为具有语义的词向量矩阵，并设计了时空注意模型对室内进行轨迹识别分类。本发明从室内布局、功能区域、行为状态和轨迹时序信息生成轨迹的上下文语义相关表征向量，使轨迹点转义为具有行为信息的语义表征向量，便于对室内轨迹信息的信息挖掘和模式识别。本发明基于注意力机制和卷积神经网络并对其加以改进，设计了一个可同时从时间维度和空间维度视角关注表征向量的语义信息，能学习到更有效的时空特征表示进行识别轨迹行为模式和类别。本发明结合了注意力的全局联系和卷积局部联系的优势，提升了在室内轨迹的语义表征学习上信息挖掘的能力。